Examining the Mental Workload Associated With Digital Health Technologies in Health Care: Protocol for a Systematic Review Focusing on Assessment Methods
Notice bibliographique
Résumé
BACKGROUND: The workload in health care is high; physicians and nurses report high stress levels due to a demanding environment where they often have to perform multiple tasks simultaneously. As a result, mental health issues among health care professionals (HCPs) are on the rise and the prevalence of errors in their daily tasks could increase. Processes of demographic change are partly responsible for even higher stress levels among HCPs. The digitization of patient care is intended to counteract these processes. However, it remains unclear whether these health information systems (HIS) and digital health technologies (DHT) support the HCPs and relieve stress, or if they represent a further burden. The mental construct that describes this burden of technologies is mental workload (MWL). Work in the clinic can be viewed as working in safety-critical environments. Particularly in this sensitive setting, the measurement methods of MWL are relevant, mainly due to their strongly differing levels of intrusiveness and sensitivity. The method of eye tracking could be a useful way to measure MWL directly in the field. OBJECTIVE: The systematic review aims to address the following questions: (1) In which manner do DHT contribute to the overall MWL of HCPs? (2) Can we observe a direct or indirect effect of DHT on MWL? (3) Which aspects or factors of DHT contribute to an increase in MWL? (4) Which methods/assessments are applied to measure MWL related to HIS/DHT? (5) What role does eye tracking/pupillometry play in the context of measuring MWL? (6) Which outcomes are being assessed via eye tracking? METHODS: Following the PRISMA (Preferred Reporting Items for Systematic Review and Meta-Analysis) statement, we will conduct a systematic review. Based on the research questions, we define keywords that we then combine in search terms. The review follows the following steps: literature search, article selection, data extraction, risk of bias assessment, data analysis, and data synthesis. RESULTS: We expect results as well as a finalization of the review in the summer of 2021. CONCLUSIONS: This review will evaluate the impact of DHT on the MWL of HCPs. In addition, assessment methods of MWL in the context of digital technologies will be systematically analyzed. TRIAL REGISTRATION: PROSPERO (International Prospective Register of Systematic Reviews) CRD42021233271; https://www.crd.york.ac.uk/PROSPERO/display_record.php?ID=CRD42021233271. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/29126.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,065 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,005 |
| Méta-épidémiologie (sens large) | 0,021 | 0,021 |
| Bibliométrie | 0,016 | 0,014 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».